[1]孟祥丽,刘瑶*.基于高光谱图像技术和RELS-TSVM模型的热损伤大豆检测[J].大豆科学,2025,(06):113-120.[doi:10.11861/j.issn.1000-9841.2025.06.0113]
点击复制
基于高光谱图像技术和RELS-TSVM模型的热损伤大豆检测
《大豆科学》[ISSN:1000-9841/CN:23-1227/S]
卷:
期数:
2025年06期
页码:
113-120
栏目:
出版日期:
2025-11-20
- Title:
- Detection of Heat Damaged Soybeans Based on Hyperspectral Image Technology and RELS TSVM Model
- 摘要:
- 进口大豆易发生热损伤，影响使用价值和加工品质量，采用高光谱图像技术可实现快速、无损地检测热损伤大豆。本研究利用高光谱图像技术结合机器学习方法识别热损伤大豆，探索将稳健的基于能量的最小二乘孪生支持向量机（Robust Energy-Based Least Squares Twin Support Vector Machine，RELS-TSVM）应用于大豆高光谱数据分类。采用恒温箱加热的方法模拟进口大豆在运输过程中的高温封闭环境，制备热损伤大豆，采集正常、轻度、重度热损伤大豆在400~1 000 nm范围的高光谱数据，采用多种预处理方法（变量标准化法、多元散射校正法、去趋势法和Savitzky-Golay平滑滤波法）对光谱数据进行处理，分析预处理方法对模型检测性能的影响。在光谱数据中添加噪声和异常值，评估RELS-TSVM模型在检测热损伤大豆时的稳健性，并将该模型的检测性能与孪生支持向量机的其他衍生模型对比。结果表明，并不是所有的预处理方法都能有效提高模型的检测性能，在本研究中，变量标准化法和多元散射校正法可提升热损伤样本的检测准确率。RELS-TSVM模型引入能量项和正则化项后，在检测含有高斯噪声和异常值的热损伤大豆样本时，展现出优异的抗噪声和异常值能力，为进口大豆品质检测提供新途径。
更新日期/Last Update:
1900-01-01